• 한국방재학회:학술대회논문집
• /
• 2009.02b
• /
• pp.140.1-140.1
• /
• 2009

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.316-318
• /
• 2021

영화 수익에 있어 영화의 흥행 여부는 중요한 영향을 끼친다. 영화 흥행 요인은 영화 산업의 규모가 커지면서 많은 제작사들 및 투자자들이 고려해야 하는 사항이 되었다. 따라서 영화의 흥행을 예측하기 위한 많은 모델이 연구되었다. 본 연구의 목적은 선행연구에서 흥행에 유의미한 영향을 끼친다고 밝혀진 스크린 수, 감독명, 제작사명 등의 내재적인 속성과 더불어 온라인 구전 변수를 사용하여 영화 흥행 예측 모델을 만드는 것이다. 이때 기사 수, 블로그 수와 같이 온라인 구전의 크기를 나타내는 변수들을 사용하는 대신 개봉 후 첫 주간의 관람객 리뷰를 텍스트마이닝을 이용하여 전체 리뷰 중 긍정 리뷰의 비율에 따라 점수를 매긴 후 독립변수로 사용한다. 그 후, 데이터 마이닝 기법을 활용하여 만든 모델에 앞서 언급한 독립변수를 입력 값으로 사용하여 영화의 흥행을 예측한다. 최종적으로 의사결정트리와 로지스틱회귀를 수행한 결과 영화 흥행에 영향을 주는 독립변수를 찾고 모델의 성능을 평가하였다. 로지스틱회귀의 결과 관객 수, 평점이 영화의 흥행에 특히 유의한 영향을 끼치는 변수로 선정되었고 리뷰 역시 유의한 변수로 선정되었다. 이때 만들어진 모델은 약 90%의 높은 수준의 정확도를 보여주었다. 의사결정트리의 결과 관객 수가 가장 중요한 변수로 선정되었다.

• Tunnel and Underground Space
• /
• v.31 no.6
• /
• pp.440-459
• /
• 2021

Roadheaders have begun to be adopted in Korean tunneling sites. The performance prediction models proposed by the manufacturer are used by Korean construction companies. The models use UCS (uniaxial compressive strength) value to predict the net cutting rate, but the rock specimens conducted for the uniaxial compression test have 1.0 of the diameter to length ratio. It has been reported that the specimen shape generally influences the rock strength. The previous references studying the shape effect were cited, and the UCS data of Korean rocks are also updated to analyze the shape effect on UCS. The cause of effect was discussed by previous theory. The change amount of UCS values of Korean rocks was estimated by the data, and the modified prediction model for NCR was finally suggested.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.517-517
• /
• 2023

현재 우리나라에서는 4대강 및 주요 호소 29지점을 대상으로 조류경보제가 시행되고 있으며 조류 경보 단계는 실시간 모니터링지점에서 측정되는 유해 조류의 셀농도를 기반으로 발령 단계가 결정된다. 상수원 구간은 관심, 경계, 조류 대발생, 해제 또는 미발생 총 4구간으로 구성되며, 친수 활동 구간의 경우 조류 대발생을 제외한 3구간으로 구성된다. 현재 시행되는 조류 경보제의 목적은 유해 조류 발생 시 사후 대응 방안 마련에 보다 초점이 맞춰져 있으며 특히, 모니터링 주기 확대 여부, 오염원 관리 방안 마련, 조류 제거 여부 등의 의사 결정 수단으로 사용되고 있다. 하지만 조류 경보 단계에 대한 사전 예측이 가능한 경우 유해 조류의 성장을 억제할 수 있으며 이를 통해 안전하고 깨끗한 수자원을 확보할 수 있다. 본 연구에서는 조류 경보 단계의 사전적 예측을 위해 국가 실시간 측정망에서 제공하는 전국 보 모니터링 종합 정보 자료, 기상측정망 자료, 실시간 보 현황 자료를 활용하여 예측 모델을 구축하였다. 또한, 단계 예측의 정확도를 개선하기 위해 변수 선택 기법을 활용하여 조류 경보 단계에 영향을 미치는 환경변수를 선정하였으며 자료의 불균형으로 인해 모델 학습 과정에서 발생하는 예측 오류를 최소화하기 위해 다양한 샘플링 기법을 적용하여 모델의 성능을 평가하였다. 변수 선택 및 샘플링 기법을 고려하지 않은 원자료를 사용하여 예측 모델을 구축한 결과 관심 단계(Level-1) 및 경보 단계(Level-2)에 대해 각각 50%, 62.5%의 예측 정확도를 보인 반면 비선형 변수 선택 기법 및 Synthetic Minority Over-sampling Technique-Edited Nearrest Neighbor(SMOTE-ENN) 샘플링 기법을 적용하여 구축한 모델에서는 Level-1은 85.7%, Level-2는 75.0%의 예측 정확도를 보였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2021.06a
• /
• pp.68-68
• /
• 2021

Sesan강과 Srepok강은 베트남, 캄보디아, 라오스가 공유하는 3S강 유역 (Sesan강, Srepok강, Sekong강)의 일부로 연구 및 관리된다. 3S강 유역은 Mekong강의 중요한 지류이며 Mekong강 유역의 상당 부분을 구성한다(Mekong강 유역 면적의 10%, 연간 총 유출량의 20%). 베트남 측 Sesan강 유역의 면적은 11,255km²이고 Srepok강 유역 면적은 18,162km²이다. Sesan강과 Srepok 강의 상류는 베트남 중부 고원의 긴 산맥에 위치하고 있다. Sesan강과 Srepok강 유역은 기후변화에 따른 홍수, 가뭄, 어업 지속 가능성 감소, 퇴적 등 많은 문제와 도전에 직면 할 것으로 예측되고 있다. 본 연구에서는 World Bank의 "Viet Nam Mekong Integrated Water Resources Management (M-IWRM) Project의 일환으로 베트남 정부 차원에서 처음으로 구축한 수자원관리 의사결정지원 시스템인 "DSS-2S"를 활용하여, Sesan-Srepok강 유역의 강둑 침식 위험성을 분석하였다. DSS-2S는 MIKE Hydro Basin을 기반으로 SWAT모델, 수리모델, 하상변동 모델, 및 수질모델 등과 연계 하여 구축되었다. 2030 년을 목표 연도로 설정하고, 기후 변화 시나리오와 사회 경제적 발전을 기반으로 DSS-2S에 포함되어 있는 유사 이송 및 수리학적 모델을 활용하여 주요 하천 단면에서의 평균 유속과 하상 침식 양을 예측하였다. 유속 및 심부 침식 기준에 근거하여 강둑 침식 위험성을 분석하였다. 모델의 시뮬레이션 결과를 기반으로 강둑 침식 위험이 있는 강 구간은 고(高)유속과 높은 침식의 조합에 의해 결정되었다. 고위험 침식 예상지는 Sesan강 유역의 Dak Bla, Po Ko, 및 Se San강에 총 길이 73.5km에 걸쳐 발생 할 것으로 분석되었으며, 침식 위험이 매우 높은 지역은 Dak Bla 강에 총 길이 2,286m, Po Ko 강에 총 길이 5,096m 정도가 발생 하는 것으로 분석되었다. 강둑 세국을 유발할 수 있는 다양한 인자들을 고찰하였으며, 본 성과는 베트남 중앙 정부의 장기수 자원 종합계획 수립의 기본 자료로 활용 될 예정이다.

• Journal of Korean Society of Environmental Engineers
• /
• v.27 no.1
• /
• pp.67-74
• /
• 2005

Toxicity tests were performed to evaluate the feasibility of application with prediction models to 10 mixture chemicals (chloroneb, butylbenzylphthalate, pendimethaline, di-n-butylphthalate, di-iso-butylphthalate, diazinon, isofenphos, 2-chlorophenol, 2,4,6-trichlorophenol and p-octylphenol) detected in effluents from wastewater treatment plants (WWTPs). Ten chemicals were selected in the basis of their toxicities to Daphnia magna and the concentrations in effluents measured by GC/MS. Three models including concentration addition (CA), independent action (IA) and effect summation (ES) were employed for the comparison of the predicted and the observed mortality of D. magna exposed to 10 mixture chemicals for 48 hours. With a comparative study it was ineffective to predict the mortality through the CA and the ES prediction model, while the IA prediction model showed a high correlation($r^2\;=\;0.85$). Moreover, the ES model over-estimated the toxicity observed by bioassay experiments about five-fold. Consequently, IA model is a reasonable tool to predict the mixture toxicity of the discharging water from WWTPs.

• Journal of the Korea Society of Computer and Information
• /
• v.27 no.8
• /
• pp.23-30
• /
• 2022

Deep learning analyzes data to discover a series of rules and anticipates the future, helping us in various ways in our lives. For example, prediction of stock prices and agricultural prices. In this research, the results of solar photovoltaic power generation accompanied by weather are analyzed through deep learning in situations where the importance of solar energy use increases, and the amount of power generation is predicted. In this research, we propose a model using LSTM(Long Short Term Memory network) that stand out in time series data prediction. And we compare LSTM's performance with CNN(Convolutional Neural Network), which is used to analyze various dimensions of data, including images, and CNN-LSTM, which combines the two models. The performance of the three models was compared by calculating the MSE, RMSE, R-Squared with the actual value of the solar photovoltaic power generation performance and the predicted value. As a result, it was found that the performance of the LSTM model was the best. Therefor, this research proposes predicting solar photovoltaic power generation using LSTM.

• Journal of the Korea Convergence Society
• /
• v.12 no.7
• /
• pp.31-36
• /
• 2021

As the global economy stagnated due to the Corona 19 virus from Wuhan, China, most countries, including the US Federal Reserve System, introduced policies to boost the economy by increasing the amount of money. Most of the stock investors tend to invest only by listening to the recommendations of famous YouTubers or acquaintances without analyzing the financial statements of the company, so there is a high possibility of the loss of stock investments. Therefore, in this research, I have used artificial intelligence deep learning techniques developed under the existing automatic trading conditions to analyze and predict macro-indicators that affect stock prices, giving weights on individual stock price predictions through correlations that affect stock prices. In addition, since stock prices react sensitively to real-time stock market news, a more accurate stock price prediction is made by reflecting the weight to the stock price predicted by artificial intelligence through stock market news text mining, providing stock investors with the basis for deciding to make a proper stock investment.

• The KIPS Transactions:PartB
• /
• v.18B no.5
• /
• pp.271-278
• /
• 2011

Storm and flood such as torrential rains and major typhoons has often caused damages on a large scale in Korea and damages from storm and flood have been increasing by climate change and warming. Therefore, it is an essential work to maneuver preemptively against risks and damages from storm and flood by predicting the possibility and scale of the disaster. Generally the research on numerical model based on statistical methods, the KDF model of TCDIS developed by NIDP, for analyzing and predicting disaster risks and damages has been mainstreamed. In this paper, we introduced the model for prediction of damage cost from storm and flood by the neural network algorithm which outstandingly implements the pattern recognition. Also, we compared the performance of the neural network model with that of KDF model of TCDIS. We come to the conclusion that the robustness and accuracy of prediction of damage cost on TCDIS will increase by adapting the neural network model rather than the KDF model.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.27-28
• /
• 2022

최근 우리나라에서도 인공지능 모델을 이용한 수온 예측 관련 연구가 활발히 진행되고 있으나 한반도 주변 해역의 수온 예측 연구에서는 주로 해수면 온도만을 예측하는데 중점을 두고 있다. 본 논문에서는 XBT(eXpendable Bathy-Thermograph) 데이터와 LightGBM(Light Gradient Boosting Model)을 이용하여 잠수함 작전 및 대잠전(Anti Submarine Warfare)에 있어서 군사적으로 중요한 동해의 수직 수온분포를 예측하였다. 동해 특정해역의 해수면부터 수심 200m까지 측정된 XBT 데이터를 이용하여 모델을 학습시키고 성능 평가지표(MAE, MSE, RMSE)와 수직 수온분포 그래프를 통해 예측 정확도를 평가하였다.